Jev face aux modèles générateurs de texte
Jev ne génère pas de texte libre. Une vidéo côte à côte compare la décision parallèle avec la génération token par token.
Jev n'écrit pas, il choisit parmi les réponses autorisées
Une grande question atteint 62,6 % de précision ; cinq petites questions l'amènent à 95,0 % avec le même modèle. Jev ne génère pas de texte, il sélectionne une réponse parmi celles fournies, surpassant Haiku 4.5.
ONE BIG QUESTION: 62.6% ACCURATE. FIVE SMALL ONES: 95.0%. SAME MODEL. the whole lesson of this article is in that jump. jev doesn't write. it only picks from answers you allow. ask it one vague question per email and it guesses. split it into 5 small ones and it beats haiku 4.5
· 1 likesOpen on X
More like this
Prix, évaluations et origine du nom Jev
Le fil de lancement explique les évaluations de workflows code + AI, le prix d’entrée annoncé et les tokens de sortie gratuits.
Modèle Jev : génération de probabilités pour la décision, 200× plus rapide et 400× moins cher que les LLM
Ce modèle est conçu pour la prise de décision plutôt que la génération de texte, produisant des probabilités pour chaque option en parallèle au lieu de réponses token par token. L'auteur présente un exemple simplifié comparant les LLM classiques à ce modèle Jev.
